README.md

metadata

library_name: ultralytics
pipeline_tag: object-detection
base_model: Ultralytics/YOLO26
datasets:
  - dl1wjd2/Logistics_AX
tags:
  - yolo26
  - pose-estimation
  - pallet

Logistics_AX 팔레트 YOLO26 Pose 모델

YOLO26n-pose를 팔레트 클래스 1개와 키포인트 8개로 미세 조정한 모델입니다. best.pt는 학습한 팔레트 모델이며, 초기 COCO 사람 포즈 가중치와 구분됩니다.

학습 및 검증

• 학습 실행: pallet_pose_20261029T110641464517Z
• 데이터: 사진 155장 (학습 124장 / 검증 31장 / 테스트 없음)
• 완료: 100 epoch, 저장된 최고 모델: 95 epoch
• 박스 mAP50: 99.50%
• 박스 mAP50–95: 84.35%
• Pose mAP50: 91.50%
• Pose mAP50–95: 91.50%
• Ultralytics 8.4.192, imgsz=640, batch=16, AMP=true, seed=42
• 데이터 버전: v2026-10-29-155

평가는 검증 사진 31장에 대한 값입니다. 유사한 촬영 배경이 포함되어 있으므로 독립적인 사진에서도 확인해야 합니다. Pose mAP는 픽셀 단위 위치 오차나 실제 로봇 작업 성공률을 뜻하지 않습니다.

사용법

python -m pip install ultralytics==8.4.192 huggingface_hub

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

weights = hf_hub_download(repo_id="dl1wjd2/Logistics_AX", filename="best.pt", revision="v2026-10-29-155")
model = YOLO(weights)
results = model.predict(source="example.jpg", imgsz=640, conf=0.25, save=True)
for result in results:
    print(result.boxes.xyxy)
    print(result.keypoints.xy)   # 객체별 8개 점의 픽셀 좌표
    print(result.keypoints.conf)

키포인트 순서

0. left_top_left
1. left_top_right
2. left_bottom_right
3. left_bottom_left
4. right_top_left
5. right_top_right
6. right_bottom_right
7. right_bottom_left

training/에는 설정, 분할 목록, 학습 곡선, 평가 결과와 입력 파일 해시를 보관합니다. 가려져 라벨링하지 않은 점은 학습 시 v=0으로 처리합니다. 이 업로드의 버전은 v2026-10-29-155입니다.